В ряде отраслей аграрного производства, включая земледелие, мелиорацию и др., существуют проблемы, решение которых требует использования искусственного интеллекта. В частности, оценка мелиоративного состояния сельскохозяйственных полей на значительных площадях, является весьма трудоемкой задачей, даже при задействовании беспилотных летательных аппаратов. Для автоматизации этих интеллектуальных подходов эффективно применять искусственные нейронные сети (ИНС), реализуемые в виде компьютерных программ. Использование программного обеспечения, как услуги (SaaS), является современным подходом к компьютерной поддержке различных интеллектуальных процессов производства, включая сельскохозяйственное. Сельское хозяйство является перспективной отраслью для внедрения таких технологий. Цель исследования - разработка методики и создание облачной SaaS-системы для выявления проблемных участков сельскохозяйственных полей с помощью ИНС. Развитие нейросетевых технологий и облачных сервисов позволяет обрабатывать большой объем информации в облаке и обеспечивать доступ пользователя к вычислительным мощностям. В статье описывается методология построения сервисной архитектуры для распознавания проблемных зон культивированных сельскохозяйственных полей, подготовки данных, обучения сети, разработки клиентской и серверной частей. Такая реализация возможна с применением таких технологий и инструментария, как CUDA, CNN, PyTorch. В результате решена задача распознавания RGB-изображений дефектных зон сельскохозяйственных полей. Установлено, что ИНС классификационного типа способны решать задачи распознавания мелиоративного состояния полей, а современные информационные технологии позволяют перенести вычисления в облако, при этом облачный сервис можно монетизировать в качестве модели SaaS.

Ключевые слова: сельское хозяйство, цветные изображения, SaaS-система, искусственная нейронная сеть, классификация изображений

05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ

Показано, что существующие способы компенсации не обеспечивают исключение влияния неравномерности чувствительности фотоприемника (НЧФ). Приведены результаты расчетов влияния НЧФ на вероятностные и пороговые характеристики обнаружения. Определена зависимость величины разброса значений максимальной дальности обнаружения от НЧФ.

Ключевые слова: оптико-электронная система, неравномерность чувствительности фотоприемника, дальность обнаружения

05.11.07 - Оптические и оптико-электронные приборы и комплексы